Hướng dẫn bắt đầu nhanh Conda cho Ultralytics
Hướng dẫn này cung cấp giới thiệu toàn diện về cách thiết lập môi trường Conda cho Ultralytics Dự án. Conda là một gói mã nguồn mở và hệ thống quản lý môi trường cung cấp một giải pháp thay thế tuyệt vời cho pip để cài đặt các gói và phụ thuộc. Môi trường biệt lập của nó làm cho nó đặc biệt phù hợp cho các nỗ lực khoa học dữ liệu và học máy. Để biết thêm chi tiết, hãy truy cập Ultralytics Gói Conda trên Anaconda và kiểm tra Ultralytics kho lưu trữ feedstock cho các bản cập nhật gói trên GitHub.
Những gì bạn sẽ học
- Thiết lập môi trường Conda
- Cài đặt Ultralytics qua Conda
- Khởi tạo Ultralytics trong môi trường của bạn
- Sử dụng Ultralytics Hình ảnh Docker với Conda
Điều kiện tiên quyết
- Bạn nên cài đặt Anaconda hoặc Miniconda trên hệ thống của mình. Nếu không, hãy tải xuống và cài đặt nó từ Anaconda hoặc Miniconda.
Thiết lập môi trường Conda
Đầu tiên, hãy tạo một môi trường Conda mới. Mở thiết bị đầu cuối của bạn và chạy lệnh sau:
Kích hoạt môi trường mới:
Cài đặt Ultralytics
Bạn có thể cài đặt Ultralytics Gói từ kênh Conda-Forge. Thực hiện lệnh sau:
Lưu ý trên CUDA Môi trường
Nếu bạn đang làm việc trong một CUDA-kích hoạt môi trường, đó là một thực hành tốt để cài đặt ultralytics, pytorchvà pytorch-cuda Cùng nhau giải quyết mọi xung đột:
Sử dụng Ultralytics
Với Ultralytics Đã cài đặt, giờ đây bạn có thể bắt đầu sử dụng các tính năng mạnh mẽ của nó để phát hiện đối tượng, phân đoạn phiên bản và hơn thế nữa. Ví dụ: để dự đoán hình ảnh, bạn có thể chạy:
from ultralytics import YOLO
model = YOLO("yolov8n.pt") # initialize model
results = model("path/to/image.jpg") # perform inference
results[0].show() # display results for the first image
Ultralytics Conda Docker Image
Nếu bạn thích sử dụng Docker, Ultralytics cung cấp hình ảnh Docker với môi trường Conda đi kèm. Bạn có thể lấy những hình ảnh này từ DockerHub.
Kéo mới nhất Ultralytics ảnh:
# Set image name as a variable
t=ultralytics/ultralytics:latest-conda
# Pull the latest Ultralytics image from Docker Hub
sudo docker pull $t
Chạy hình ảnh:
# Run the Ultralytics image in a container with GPU support
sudo docker run -it --ipc=host --gpus all $t # all GPUs
sudo docker run -it --ipc=host --gpus '"device=2,3"' $t # specify GPUs
Tăng tốc độ cài đặt với Libmamba
Nếu bạn đang muốn Tăng tốc độ cài đặt gói quy trình trong Conda, bạn có thể chọn sử dụng libmamba, một trình quản lý gói nhanh, đa nền tảng và nhận biết phụ thuộc đóng vai trò là trình giải thay thế cho mặc định của Conda.
Cách bật Libmamba
Để bật libmamba làm bộ giải cho Conda, bạn có thể thực hiện các bước sau:
-
Đầu tiên, cài đặt
conda-libmamba-solvergói. Bạn có thể bỏ qua thao tác này nếu phiên bản Conda của bạn là 4.11 trở lên, vìlibmambađược bao gồm theo mặc định. -
Tiếp theo, cấu hình Conda để sử dụng
libmambaVới tư cách là người giải:
Và đó là nó! Cài đặt Conda của bạn bây giờ sẽ sử dụng libmamba là bộ giải, điều này sẽ dẫn đến quá trình cài đặt gói nhanh hơn.
Chúc mừng! Bạn đã thiết lập thành công môi trường Conda, cài đặt Ultralytics gói, và bây giờ đã sẵn sàng để khám phá các chức năng phong phú của nó. Hãy thoải mái tìm hiểu sâu hơn về Ultralytics tài liệu cho các hướng dẫn và ví dụ nâng cao hơn.
FAQ
Quy trình thiết lập môi trường Conda để làm gì Ultralytics Dự án?
Thiết lập môi trường Conda cho Ultralytics Các dự án đơn giản và đảm bảo quản lý gói hàng suôn sẻ. Đầu tiên, tạo một môi trường Conda mới bằng lệnh sau:
Sau đó, kích hoạt môi trường mới với:
Cuối cùng, cài đặt Ultralytics Từ kênh Conda-Forge:
Tại sao tôi nên sử dụng Conda over pip để quản lý các phần phụ thuộc trong Ultralytics Dự án?
Conda là một gói mạnh mẽ và hệ thống quản lý môi trường cung cấp một số lợi thế so với pip. Nó quản lý các phụ thuộc một cách hiệu quả và đảm bảo rằng tất cả các thư viện cần thiết đều tương thích. Môi trường biệt lập của Conda ngăn chặn xung đột giữa các gói, điều này rất quan trọng trong các dự án khoa học dữ liệu và học máy. Ngoài ra, Conda hỗ trợ phân phối gói nhị phân, đẩy nhanh quá trình cài đặt.
Tôi có thể sử dụng không Ultralytics YOLO trong một CUDA-môi trường kích hoạt cho hiệu suất nhanh hơn?
Có, bạn có thể nâng cao hiệu suất bằng cách sử dụng CUDA-môi trường kích hoạt. Đảm bảo rằng bạn cài đặt ultralytics, pytorchvà pytorch-cuda Cùng nhau tránh xung đột:
Thiết lập này cho phép GPU Tăng tốc, rất quan trọng đối với các nhiệm vụ chuyên sâu như đào tạo và suy luận mô hình học sâu. Để biết thêm thông tin, hãy truy cập Ultralytics Hướng dẫn cài đặt.
Lợi ích của việc sử dụng là gì Ultralytics Hình ảnh Docker với môi trường Conda?
Sử dụng Ultralytics Hình ảnh Docker đảm bảo một môi trường nhất quán và có thể tái tạo, loại bỏ các vấn đề "nó hoạt động trên máy của tôi". Những hình ảnh này bao gồm môi trường Conda được cấu hình sẵn, đơn giản hóa quá trình thiết lập. Bạn có thể kéo và chạy mới nhất Ultralytics Docker image với các lệnh sau:
sudo docker pull ultralytics/ultralytics:latest-conda
sudo docker run -it --ipc=host --gpus all ultralytics/ultralytics:latest-conda
Cách tiếp cận này lý tưởng để triển khai các ứng dụng trong sản xuất hoặc chạy các quy trình công việc phức tạp mà không cần cấu hình thủ công. Tìm hiểu thêm về Ultralytics Hình ảnh Conda Docker.
Làm cách nào để tăng tốc độ cài đặt gói Conda trong Ultralytics môi trường?
Bạn có thể tăng tốc quá trình cài đặt gói bằng cách sử dụng libmamba, một công cụ giải quyết phụ thuộc nhanh cho Conda. Đầu tiên, cài đặt conda-libmamba-solver gói:
Sau đó cấu hình Conda để sử dụng libmamba Với tư cách là người giải:
Thiết lập này cung cấp quản lý gói nhanh hơn và hiệu quả hơn. Để biết thêm mẹo về tối ưu hóa môi trường của bạn, hãy đọc về cài đặt libmamba.